三派之争：Playwright MCP、Agent Browser 与 BrowserSkill，谁才是 AI 操控浏览器的终局

【免费下载链接】BrowserSkillLet AI agents use your real, logged-in browser without interrupting your work. CLI + extension for browser automation across any shell-capable AI agent.项目地址: https://gitcode.com/GitHub_Trending/br/BrowserSkill

当 AI Agent 从"只会写代码"进化到"能替你干活"，第一个被盯上的战场就是浏览器。市面上已经分化出三条截然不同的路线：以 Playwright MCP 为代表的"自动化测试派"，以 Agent Browser 为代表的"浏览器内置智能派"，以及近期凭借腾讯开源刷屏的 BrowserSkill 所代表的"真实浏览器桥接派"。它们都声称能让 AI 操作网页，但底层哲学、安全模型和适用场景完全不同。本文结合 BrowserSkill 仓库源码与社区实测反馈，拆解三派的真实差异，看看谁更有资格走到最后。

三派画像：同一个目标，三种世界观

先把三派的技术路线摊开对比：

Playwright MCP 继承了自动化测试的血统：它把 Playwright 封装成 MCP 工具暴露给 Agent，本质上是"让 AI 学会写测试脚本"。优势是确定性强、支持多实例并行，适合批量验证；但它操作的是独立启动的浏览器，天然缺少用户的登录态、插件和历史数据，涉及"已登录业务系统"的任务往往要重新造轮子。

Agent Browser 走的是另一条路：浏览器厂商把 AI 直接内置进产品（对话式助手、侧边栏 Agent），让普通用户零配置地获得"帮我查资料、填表格"的能力。它的体验上限高，但会话被托管在厂商侧，无法真正操作你本地的 Profile，也难以被外部 Agent 框架自由编排。

BrowserSkill 的路线最"重"也最"实"。仓库的架构文档描述得很清楚：它是一条Agent → CLI → daemon → 扩展 → Chromium的完整链路（见 架构说明）。Agent 通过 shell 调用bsk动词短语，CLI 经 Unix Domain Socket 与 daemon 通信，daemon 通过本地 WebSocket 连接浏览器扩展，扩展再借助 Chrome DevTools Protocol 驱动真实页面。社区实测文章反复提到一个关键点：它复用的是你正在用的浏览器会话，而不是另起炉灶。

各自擅长的战场与真实短板

三派没有谁全知全能，它们的短板恰恰是另一派的护城河。

Playwright MCP：赢在确定性，输在真实性

如果任务是"对 100 个页面做回归验证"或"在 CI 里稳定复现一个 bug"，Playwright MCP 依然是第一选择。它的工具面是确定性的、可并行的、结果可断言的。但社区在对比文章中普遍指出的痛点是：Agent 操作的页面和用户真实面对的页面不是同一个世界——没有真实登录态、没有真实插件环境、遇到需要人工验证的步骤（验证码、短信、支付确认）时无法自然衔接真人。换句话说，它擅长验证"页面是否正确"，但不擅长"替你完成一笔真实业务"。

Agent Browser：赢在开箱即用，输在可编排性

Agent Browser 的价值在于把 AI 操控浏览器的门槛降到零：不需要装 CLI、不需要懂 CDP，浏览器自带。但它的天花板也很明显——能力边界由厂商定义，外部 Agent 框架无法以标准的工具协议调用它，多步任务、自定义调试、跨站状态管理都受限于厂商实现。对于想要"用 Codex、Claude Code 这类 shell 型 Agent 自由驱动浏览器"的开发者来说，它并不是一个可组合的组件。

BrowserSkill：真实浏览器上的"语义化操控层"

BrowserSkill 的护城河可以从源码里逐条找到证据。

第一，登录态复用与隔离并存。会话模型的核心是"Agent Window"加"借用"机制（见 会话管理器）：每次任务在独立的 Agent Window 中执行，写操作默认只允许作用于任务创建或明确借用的标签页；借用完成后标签页归还到用户原窗口。既复用了登录态，又把 Agent 的活动隔离在专用窗口里，不打断用户正在做的工作——这正是社区实测文章中评价最高的"不打断你的工作"。

第二，感知层不是简单的 DOM 转储。bsk observe输出的是基于 VOM（视觉观察模型）的语义化观察，带@eN引用编号，支持 token 预算控制和分页续读（相关实现见 observe 命令 与 渲染逻辑）。配合snapshot（ARIA 快照）、screenshot（视口/全页/元素/Canvas 四类截图），Agent 获得了"看得见、点得准"的感知闭环。这种"语义 + 视觉"双通道的设计，比单纯依赖 HTML 或截图都更抗页面结构变化。

第三，调试能力做到了"证据链"级别。仓库内置了网站调试工具集：bsk debug start在复现问题前启动捕获，随后可以按操作粒度回看请求、响应体、Console、字段值链和性能指标，最终导出 JSON 证据（用法见 调试参考）。这意味着 Agent 排查线上问题时，不是靠猜，而是拿到一份可审计的浏览器行为实录。

第四，任务可回放、可迁移。录制系统把用户操作沉淀为语义化的trace.json教科书（v3 格式为"状态-动作-状态"日志，见 录制协议定义），既可用于 Agent 学习页面操作，也能跨会话复现任务流程。

短板同样真实。社区文章一致提到：强反爬场景下受限、复杂富文本编辑体验一般；而且它强依赖"CLI + 扩展 + daemon"三件套的版本匹配，首次配置有学习成本。它不替代 Playwright 这类底层引擎，也不替代浏览器的内置 AI——它的定位是"标准化技能接口"。

生态兼容性：谁能陪 Agent 走得最远

"终局"之争，本质上是生态之争。三个维度值得观察。

一是 Agent 框架的覆盖面。Playwright MCP 绑定 MCP 生态，Agent Browser 绑定自家产品，而 BrowserSkill 面向的是"任何能执行 shell 的 Agent"。仓库 README 明确列出了 Cursor、Claude Code、Codex、OpenClaw、CodeBuddy、WorkBuddy、Pi、Hermes Agent 等一批主流宿主；bsk install-skill --harness cursor这类命令让技能安装几乎变成一行操作。更进一步的证据是仓库中的 DeepSeek Harness 插件（DSH 插件说明），它把浏览器能力封装成原生browser_*工具并支持任务预览，说明这套协议并不排斥深度原生集成。

二是协议是否开放、是否可演进。BrowserSkill 的通信协议有独立 crate 维护，所有工具参数与返回结构都有 JSON Schema 定义（见 crates/bsk-protocol/schema）。远程模式下浏览器可以反向连接服务器端的 Agent（带认证的 WSS，设备配对、续期、吊销机制齐全），这意味着"Agent 在服务器上、浏览器在本机"这种部署形态被正式支持——社区实测里"本地桥接规避远端策略拦截"的 WorkBuddy 方案正是踩中这一点。

三是工程治理水平。一个"陪 Agent 走得远"的项目必须经受住规模化验证。仓库提供了确定性的本地评测语料（evals/browser/README.md）：28 个浏览器操作的能力清单、六组核心用例加可播种的矩阵用例，所有用例在真实 CLI、daemon、扩展、Agent Window 全链路上跑通，并且"缺失的证据标记为 unverified 而非假装通过"。这种诚实验证的工程态度，加上隐私边界明文约束（隐私政策：不提取 Cookie/Token、不上传遥测、不独立调用 AI 提供商），让它在"把真实浏览器交给 Agent"这个最敏感的场景里，给出了一个可审计的答案。

结论：这不是淘汰赛，是分层协同

把三个方案放进同一张坐标图：Playwright MCP 是"验证浏览器"的工具，Agent Browser 是"浏览器自带 AI"的产品，BrowserSkill 是"把现有浏览器开放给任意 Agent"的连接层。它们的用户、目标、约束条件几乎不重叠。

真正值得关注的变化是：当越来越多 Agent 框架把浏览器视为"必须打通的外设"，一套复用真实登录态、语义化感知、证据可审计、协议开放的桥接方案，会成为 Agent 基础设施里最稀缺的一块。BrowserSkill 用 CLI + daemon + MV3 扩展的组合，把这条链路做成了任何 shell 型 Agent 都能调用的标准技能——而它的远程模式、评测语料和开放协议，决定了它不会停留在"又一个自动化工具"，而是有潜力成为 Agent 与真实浏览器之间的公共层。终局未必是某一家通吃，但谁离"真实浏览器"和"开放生态"最近，谁就更可能在下一个阶段定义标准。

【免费下载链接】BrowserSkillLet AI agents use your real, logged-in browser without interrupting your work. CLI + extension for browser automation across any shell-capable AI agent.项目地址: https://gitcode.com/GitHub_Trending/br/BrowserSkill